
新媒体大数据能给中国带来什么_数据分析师
新媒体的迅猛发展产生了海量数据。这些数据使我们能够更好地洞察社会各方面的细微变化。深入挖掘新媒体大数据蕴含的价值,将有力助推中国经济转型——
作为大数据的主要来源之一,新媒体的迅猛发展导致用户电脑浏览记录、手机通信记录、网页浏览习惯、微博使用习惯、手机GPS定位跟踪记录等数据大量累积。相关统计显示:2000年,全世界存储的信息中只有1/4是数据信息;而目前,这一比例高达98%。业内专家预计,大数据很有可能会推动产生一个新的时代。
有待挖掘的重要资源
新媒体大数据具有解析度高、广度大、即时交互等诸多特点,是经济运行中的重要资源。
英国剑桥大学心理测量学中心研究员米哈乌·科辛斯基近期与他人联合主持的一项研究认为,仅仅使用公开的Facebook“赞”(Like)信息,也能瞬时生成极为详尽的用户心理-人口特征资料,包括种族、性格、智商分数、政治观点和宗教信仰等有效的个人统计信息。2013年,麻省理工学院和鲁汶天主教大学的科学家研究了150万用户15个月内的匿名电话记录,结果发现,只需要移动通讯的4个时间、地点等相关数据,就可以基本确定打电话者的身份。可见,如同显微镜一样,新媒体的大数据能够突显出经济运行中极其微小的细节;特别是社交网络和互联网公司收集的数据,呈现出很强的身份特征。将这些数据与客户个人信息相结合,就可以生成一系列关于客户可能需求的“推测数据”。
相对于传统媒体,新媒体具有强大的消解力量,包括消解传统的电视、广播、报纸等媒体之间的边界,消解国家之间、社群之间、产业之间的边界,消解信息发送者与接收者之间的边界等。新媒体数据的这一特性使我们能够不拘于一隅地了解整个人类社会系统的情况。中国广大的地域、庞大的人口、差异化的区域经济结构、多样化的生活文化习惯,更进一步拓展了新媒体数据的广度。
此外,新媒体大数据还显示出即时交互的特征。例如,微博平台能够形成完整的营销闭环,从消费者开始注意某种商品,到产生兴趣、寻找相关信息,再到达成购买并和周围人分享购物体验。在社交媒体的媒介环境下,用户口碑得以在短时间内进行裂变式传播,每个转发的用户都成为信息的传播者和被影响者,极易形成争抢轰动效应,引起购买决策。
著名商业期刊《哈佛商业评论》和《MIT斯隆管理评论》都曾以“大数据”作为主题,畅想大数据时代的企业管理。众多学者和企业家得出的结论是:在未来,数据会像土地、石油和资本一样,成为经济运行中的根本性资源。从更深的层面看,新媒体大数据不仅本身是重要的资源,还可以通过与其他数据资源广泛链接,促使其他数据资源得到更有效的开发和利用。
助推中国经济转型
中国正处于经济转型的关键时期,深入挖掘新媒体大数据中蕴含的价值,将有力助推中国经济的转型。
长期以来,中国扩大内需的动力主要来自城镇化;未来十多年,中国将有上亿人口融入城市,这是极为复杂的经济和社会变化过程,需要新的协同发展政策。通过分析大数据,可以对城市进行更为合理的规划与管理,有效缓解中国城镇化过程中面临的住房、教育、交通等诸多难题。例如,2010年,美国东北大学和哈佛医学院的科学家随机选取欧洲某国10万手机用户,追踪他们在6个月中发生的数据,旨在探寻人群活动的范围和移动模式。
服务业是未来中国经济增长的支撑点和就业容纳器。作为服务业的重要组成部分,由于长期缺乏有效的还本付息保证和规范的财务会计报表,小微企业普遍存在融资难题,限制了进一步发展。阿里巴巴的小额贷款业务通过将大量的基础商业数据、交易数据、信用数据结合起来进行风险分析,为解决小微企业融资难题提供了思路。在金融业,对冲基金也已经开始从社交媒体提取市场“情绪”信息,利用Twitter、Facebook、聊天室和博客用户发出的海量消息开发交易算法,并据此操作市场。
传统行业转型升级是中国经济结构调整的重心。在零售业,某些电商平台已经开始通过交易数据分析,帮助零售商实时掌握销售动态,迅速调整库存,以制订更加精准有效的营销策略;同时,通过将销售信息与买卖方的年龄、性别、地址、爱好等个人特征信息相匹配,可以预测市场行情,引领消费趋势。传统行业的运作方式因此得到深刻改变,行业运作效率大幅提高。
中国经济转型离不开战略新兴行业的成长,而大数据被认为是信息技术下一次重大突破的重要方向。在以前历次信息革命中,中国主要扮演着学习者、跟随者和参与者的角色;在这次突破中,中国有可能在诸多领域取得领先地位。其一,中国的人口结构、经济规模以及新媒体的迅猛发展,决定了相关大数据的规模,为未来大数据研究提供许多创新角度;其二,中国在新媒体大数据开发和应用方面拥有广阔平台,有利于迅速培养领军人物——相信通过企业、科研院所和高等学校之间的紧密合作,中国有望站在大数据领域的技术最前沿。
尽管目前我们对于新媒体大数据的开发、利用已经取得一定进展,但相对于其潜在价值而言远远不够,未来仍需采取针对性的促进措施。例如,设计和创建一个数据共享的体系架构,在保护个人隐私基础上实现不同机构间数据的流动;发展处理新型数据的特定技术,培养大量数据分析人才,从而可以高效、精准地处理海量的模糊信息;构建完整的新媒体大数据生态产业链,实现数据的采集、存储、组织、查询、管理和应用的良性循环。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23